🚀 Эпоха ИИ-фабрик и экстремальный кодизайн: Дженсен Хуанг о будущем NVIDIA и человечества

Дженсен Хуанг, бессменный лидер NVIDIA, прошел путь от чистки туалетов в закусочной Denny’s до управления самой дорогой технологической компанией в мире. В глубокой беседе с Лексом Фридманом он раскрыл внутреннюю кухню «двигателя ИИ-революции», объяснил, почему компьютер превратился в фабрику, и поделился философией управления, которая позволяет его компании совершать «невозможные» прыжки каждые несколько лет.

🏗️ От чипов к системам: Философия «экстремального кодизайна»

NVIDIA больше не просто проектирует графические процессоры (GPU). Сегодня компания занимается тем, что Хуанг называет экстремальным кодизайном — глубокой оптимизацией всего стека, от транзистора до целого дата-центра.

Почему это необходимо?

Проблема больше не умещается в один компьютер. Когда вам нужно ускорить вычисления в миллионы раз, простое добавление новых узлов не работает из-за закона Амдала (эффективность ограничена последовательной частью алгоритма).

Чтобы преодолеть этот барьер, NVIDIA вынуждена:

• Рефакторить алгоритмы и «шардировать» (разделять) данные, пайплайны и сами модели.
• Проектировать не чипы, а стойки (racks). Столкнувшись с тем, что процессоры потребляют колоссальную энергию, инженеры компании объединяют в единую систему CPU, GPU, память, сетевое оборудование, охлаждение и софт.

Как управляется этот механизм?

Структура NVIDIA отражает ее продукт. У Хуанга более 60 прямых подчиненных, и он принципиально не проводит встречи один на один.

1. Коллективный разум: Все проблемы обсуждаются в больших группах. Эксперты по оптике, памяти и охлаждению слушают друг друга, чтобы решение одного не сломало систему другого.
2. Скорость света (Speed of Light): Это концепция Хуанга для оценки эффективности. Вместо «непрерывного улучшения» на 2% он требует сравнивать текущий результат с физическим пределом. Если физика позволяет сделать процесс за 6 дней, а он занимает 74 — Хуанг требует найти способ убрать «мусор» и приблизиться к идеалу.

📉 Риск на грани краха: История появления CUDA

Одним из самых смелых решений в истории бизнеса было внедрение архитектуры CUDA в массовые видеокарты GeForce.

• Суть риска: В то время NVIDIA была компанией с рыночной капитализацией около 7-8 млрд долларов. Внедрение CUDA увеличило себестоимость каждого чипа на 50%, полностью уничтожив чистую прибыль.
• Последствия: Капитализация рухнула до 1,5 млрд долларов. Рынок не понимал, зачем геймерам сложная вычислительная архитектура.
• Итог: Хуанг понимал, что для успеха платформы нужна инсталлированная база. Он буквально «засунул» суперкомпьютер в руки каждому студенту и исследователю через игровые ПК. Когда случилась революция глубокого обучения, у ученых уже было железо и софт для работы.

«NVIDIA — это дом, который построила GeForce», — подчеркивает Дженсен, напоминая, что именно геймеры спонсировали создание ИИ-инфраструктуры.

🤖 Четыре закона масштабирования и «iPhone для токенов»

Хуанг уверен, что скептики, предрекающие конец ИИ из-за нехватки данных, ошибаются. Он выделяет четыре этапа масштабирования интеллекта:

1. Pre-training (Предварительное обучение): Масштабирование на человеческих данных.
2. Post-training (Постобучение): Использование синтетических данных. Хуанг напоминает, что большая часть человеческих знаний тоже «синтетическая» — мы учим друг друга, перерабатывая информацию.
3. Test-time scaling (Масштабирование во время вывода): Это процесс «размышления» ИИ. Если обучение — это чтение, то инференс (вывод) — это глубокое обдумывание и поиск решения. Это требует огромных вычислительных мощностей.
4. Agentic scaling (Агентское масштабирование): Создание целых команд ИИ-агентов, которые работают вместе, используют инструменты и проводят исследования.

OpenClaw и эра агентов

Хуанг называет OpenClaw (агентскую систему) «айфоном для токенов». Если раньше компьютеры были архивами для поиска файлов, то теперь они стали фабриками по генерации токенов.

• Раньше мы хранили информацию.
• Теперь мы генерируем интеллект в реальном времени.

Компьютер как «хранилище» (склад) не приносит столько денег, сколько компьютер как «производство» (завод). Это открывает путь к экономике, где интеллект станет самым ценным товаром.

⚡ Энергия, суверенитет и цепи поставок

Многие считают энергию главным барьером ИИ. Хуанг предлагает три пути решения:

1. Использование излишков: Энергосети проектируются под пиковые нагрузки, которые случаются редко. 99% времени в сети есть лишняя энергия. Хуанг хочет строить дата-центры, которые «грациозно деградируют»: если городу нужна энергия, дата-центр замедляет работу, не отключаясь полностью.
2. Эффективность: За 10 лет NVIDIA увеличила эффективность вычислений на ватт в миллион раз.
3. Работа с лидерами: Дженсен лично летает к поставщикам (TSMC, SK Hynix, ASML), убеждая их инвестировать миллиарды в новые технологии (например, память HBM и продвинутую упаковку CoWoS).

Он с огромным уважением отозвался об Илоне Маске и его суперкомпьютере Colossus, построенном за рекордные 4 месяца:

«Илон — системный мыслитель. Он спрашивает: "Почему это занимает столько времени? Это действительно необходимо?". Его личное присутствие на месте заставляет всю цепочку поставщиков работать быстрее».

🌍 Геополитика и Китай: «Нация строителей»

Хуанг отмечает феноменальный успех Китая в технологиях. По его мнению, это результат сочетания нескольких факторов:

• Образование: 50% мировых исследователей ИИ — китайцы.
• Культура открытости: В Китае знания передаются мгновенно между друзьями и сокурсниками («братья по школе»), что делает их экосистему фактически одной большой open-source платформой.
• Лидеры-инженеры: В отличие от США, где лидеры часто юристы, в Китае у руля стоят блестящие инженеры.

NVIDIA поддерживает философию открытости, выпуская модели вроде Nemotron-3, чтобы ИИ мог проникать в биологию, химию и физику, а не только в языковые модели.

👔 Будущее работы: Исчезнет ли профессия программиста?

Хуанг приводит пример с радиологами. Когда ИИ стал лучше людей распознавать снимки, предсказывали смерть профессии. В реальности количество радиологов выросло. Почему? ИИ позволил делать больше исследований, находить больше болезней, и больницам потребовалось больше специалистов для принятия решений.

То же самое ждет программирование:

1. Кодинг — это спецификация: Теперь каждый плотник или электрик может стать «кодером», если сможет четко поставить задачу ИИ-агенту.
2. Миллиард программистов: База людей, способных создавать ПО, вырастет с 30 миллионов до миллиарда.
3. Смена роли: Программисты будущего будут архитекторами проблем, а не просто писателями строк кода.

🧠 О человечности и смысле успеха

Несмотря на капитализацию NVIDIA в триллионы долларов, Хуанг остается верен своим корням. Он вспоминает свою первую работу — чистку туалетов в Denny’s — и говорит, что этот опыт научил его смирению.

Его взгляды на жизнь и бизнес:

• Смертность: Хуанг хочет «умереть на работе мгновенно», без долгого периода упадка. Он не верит в классическое «планирование преемственности», предпочитая каждый день передавать все свои знания команде в реальном времени.
• Интеллект vs Человечность: «Интеллект станет биржевым товаром, его будет много. Но человечность — сострадание, характер, решимость — вот что нельзя вычислить на чипе».
• Главный совет: Сталкиваясь с невыполнимыми задачами, Хуанг использует детское любопытство: «Насколько сложным это на самом деле может быть?». Он советует забывать о прошлых неудачах и боли так же быстро, как это делают великие атлеты, и всегда смотреть на «следующий яркий свет» в будущем.

NVIDIA для Хуанга — это не просто бизнес. Это возможность решить мировые проблемы: от победы над болезнями до очистки планеты. И, судя по его энергии, это только начало пути.